Ingeniería Neuromórfica - Cortical Visual Neuroprosthesis for the Blind

Ingeniería Neuromórfica: El papel del hardware
reconfigurable
Eduardo Ros, Francisco José Pelayo, Alberto Prieto y Begoña del Pino
Resumen—En este trabajo se analiza la aplicación del
hardware reconfigurable en el campo de la Ingeniería
Neuromórfica. Como ejemplos se describen brevemente
tres proyectos europeos que actualmente se desarrollan en
el Departamento de Arquitectura y Tecnología de
Computadores de la Universidad de Granada y que
utilizarán
hardware
reconfigurable
para
la
implementación de distintos sistemas neuromórficos.
Palabras clave— Ingeniería Neuromórfica, Sistemas bioinspirados, aplicaciones del hardware reconfigurable.
I. INTRODUCCIÓN
La Ingeniería Neuromórfica es un campo de
investigación que trata del diseño de sistemas artificiales
de computación que utilizan propiedades físicas,
estructuras o representaciones de la información basadas
en el sistema nervioso biológico. Aunque otros campos,
como el de las Redes Neuronales Artificiales, también se
inspiran en la biología, lo que caracteriza a la Ingeniera
Neuromórfica es la emulación de funciones muy
especificas, usualmente de tipo sensorial, cuya
estructura y funcionalidad biológica han sido estudiadas
con gran detalle, dando lugar así a la construcción de
sistemas tales como retinas y cócleas artificiales.
Carver Mead, proponente de la denominación Ingeniería
Neuromórfica [1], comentó en 1993: Como ingenieros,
sería necio ignorar las lecciones de miles de millones de
años de evolución. De hecho, los sistemas biológicos
tienen habilidades como el reconocimiento del habla,
segmentación de la información visual, control del
movimiento autónomo en entornos cambiantes, etc.; que
se desarrollan con una eficiencia fuera del alcance de los
sistemas artificiales convencionales. Uno de los
numerosos ejemplos lo constituye la audición, que se
efectúa con un extraordinario rango dinámico (más de
100db) a partir de sensores de muy baja calidad (rango
dinámico menor de 20db). Los avances obtenidos en
nuestro conocimiento acerca de la forma en que los
sistemas biológicos evolucionan y se adaptan, y cómo el
sistema nervioso central codifica, memoriza, aprende y
procesa información deben ser una motivación para la
implementación de futuros sistema bio-inspirados.
Actualmente la Ingeniería Neuromórfica [2,3] trata
de desarrollar sistemas embebidos o autónomos para
resolver problemas específicos que usualmente implican
una tarea sensorial-motora integrada o una tarea de
percepción en tiempo real. El campo de aplicaciones de
los sistemas neuromórficos es muy amplio, yendo desde
el diseño de sistemas de control no lineales adaptativos
hasta el desarrollo de sensores inteligentes.
Cuando se desarrollan sistemas de computación bioinspirados es importante el “espíritu oportunista” del
diseñador, capaz de identificar las características de los
sistemas biológicos en las que se basa su capacidad de
computación y que pueden ser adaptadas a la tecnología
de implementación mediante circuitos electrónicos
relativamente sencillos. Por otro lado, debe aprovechar
características inherentes a los circuitos electrónicos
como su mayor ancho de banda, velocidad de respuesta,
etc; y utilizar esquemas como multiplexación temporal,
comunicación binaria y comunicación mediante
direcciones, etc. La combinación óptima de principios
bio-inspirados y características explotables de los
circuitos electrónicos constituye la esencia de la
Ingeniería Neuromórfica.
Por ejemplo, las siguientes características de los
sistemas nerviosos naturales serían de utilidad si se
pudieran adoptar en sistemas artificiales:
• Procesamiento paralelo o procesamiento
neuronal: sin duda muchas de las asombrosas
propiedades de los sistemas naturales son
debidas a que son sistemas de computación
colectivos. La implementación de sistemas con
un gran paralelismo no es una tarea fácil. El
diseño de primitivas de computación sencillas
(neuronas artificiales) capaces de realizar un
procesamiento eficiente mediante una topología
adecuada es un tema en el que una amplia
comunidad científica ha investigado durante
años.
• Computación cooperativa: el modo en que los
sistemas biológicos realizan procesamientos
robustos y de precisión basándose en unidades
(neuronas) de computación imprecisas y
estocásticas, con gran nivel de ruido y
respuestas impredecibles frente a estímulos
similares, constituye una característica de gran
interés para la implementación de sistemas
artificiales.
• Capacidad de auto-configuración: esta
característica presente en los sistemas
biológicos es de gran utilidad para adaptar
sistemas de computación genéricos a distintas
funciones. Además esta propiedad aumenta la
efectividad de los sistemas a entornos
específicos de cada individuo y permite la
adaptación a nuevas condiciones durante su
tiempo de vida.
Profesores del Departamento de Arquitectura y Tecnología de
Computadores, Facultad de Ciencias, Universidad de Granada, E18071
Granada. E-mail de contacto: eros@atc.ugr.es
II Jornadas sobre Computación Reconfigurable y Aplicaciones
89
Por otro lado existen cualidades de los circuitos
electrónicos de las que carecen los sistemas biológicos,
por ejemplo:
• Gran ancho de banda y esquemas de
comunicación con multiplexación temporal: La
utilización de esquemas de multiplexación que
no limiten el paralelismo puede ayudar a
superar el problema de la reducida (comparada
con la biología) capacidad de interconexión
física entre elementos computacionales.
• Sensores remotos: Existen multitud de sensores
y formas de comunicación que permiten su
utilización remota. Este tipo de dispositivos
ofrecen la posibilidad de implementar sistemas
de procesamiento distribuidos.
• Actuadores remotos: al igual que los sensores,
estos dispositivos permiten el control remoto de
sistemas.
• Procesamiento de gran precisión: para ciertas
tareas puede ser necesaria una gran precisión de
cálculo. Esto es fácil de realizar con primitivas
de computación convencionales basadas en
unidades aritmético-lógicas digitales de la
precisión que se requiera.
II. DESCRIPCIÓN DE PROYECTOS DE INVESTIGACIÓN
SOBRE INGENIERÍA NEUROMÓRFICA DESARROLLÁNDOSE
EN EL DEPARTAMENTO DE ARQUITECTURA Y
TECNOLOGÍA DE COMPUTADORES DE LA UNIVERSIDAD
DE GRANADA
En la actualidad investigadores del Departamento de
Arquitectura y Tecnología de Computadores de la
Universidad de Granada participan en el desarrollo de
tres proyectos europeos relacionados con la
implementación de primitivas de computación del
campo de la Ingeniería Neuromórfica mediante
hardware reconfigurable. Los proyectos son:
ƒ SpikeFORCE: Real-Time Spiking Neurons for
Robot Control [4]
ƒ CORTIVIS: Cortical Visual Neurophrostesis for
the blind [5]
ƒ ECOVISION: Artificial Vision System based on
early cognitive cortical processing [6]
A continuación se describen brevemente.
A. SpikeFORCE: Real-Time Spiking Neurons for
Robot Control
El consorcio SpikeFORCE está formado por una
empresa con interés en robótica (Sony) y las
universidades de Paris (ENS), Pavia (INFM-RUPV) y
Granada.
El diseño de robots está adquiriendo un interés cada
vez más importante en la sociedad europea. Pero, a pesar
de los avances tecnológicos, los robots actuales no son
capaces de realizar algunas tareas de procesamiento
sencillas similares a las que realiza cualquier mamífero.
Así, el aprendizaje continuo en tiempo real sigue
constituyendo un problema. Para obtener habilidades de
movimiento similares a las de los animales, la
90
información de percepción y acción, de gran número de
señales de sensores, motores y señales cognitivas debe
ser integrada como un todo. El consorcio
multidisciplinar SpikeFORCE, integrado por físicos,
expertos en neurociencia, e ingenieros electrónicos e
informáticos, investiga los mecanismos de integración
de información en el cerebro y su posible
implementación en forma de circuitos en robots. El
estudio de estructuras basadas en pulsos [7], como las
que forman las neuronas biológicas, puede aportar
nuevas ideas en este sentido.
Para todo ello los colaboradores de los centros Ecole
Normal Supériore y Universidad de Pavia trabajan en
modelos neuronales basados en pulsos. Nuestro grupo
en la Universidad de Granada estudia el modo de
implementación de estos modelos mediante circuitos de
forma que puedan funcionar en tiempo real. Por otra
parte, la empresa Sony France, investigará su aplicación
en plataformas de robot en desarrollo como el perro
Aibo y el humanoide.
Concretamente, se estudian formas de implementar
las primitivas de adaptación y aprendizaje de
movimientos coordinados que tienen lugar en el
cerebelo de los mamíferos. Este tipo de aprendizaje es el
que adapta de forma continua el ciclo cerrado acciónpercepción. Para ello es necesario integrar de forma no
destructiva señales sensoriales, motoras y cognitivas en
tiempo real.
El cerebelo tiene la habilidad de integrar información
de un gran número de fuentes heterogéneas y es capaz
de un aprendizaje extremadamente sensible al contexto
general en el que se desarrolla cada acción. De hecho, en
el área de control de robots, éstas son dos características
importantes que representan campos de investigación
abiertos: la integración de información de diferentes
fuentes (percepción multi-modal) y el aprendizaje
continuo de acciones eficientes.
La discriminación de entradas muy similares es
necesaria para el perfeccionamiento de movimientos de
precisión, en tanto en cuanto pequeñas diferencias, a
pesar de grandes similitudes entre las entradas,
adquieren una importancia crucial para este proceso de
refinamiento. Los axones de muchas células granulares
(100 millones en la rata) constituyen el canal de entrada
al
cerebelo
llevando
información
sensorial,
propiaceptiva y contextual a las principales células de
cortex del cerebelo, las células de Purkinje (300.000 en
la rata), que generan la única salida del sistema. Cada
célula de Purkinje recibe unas 200.000 entradas
diferentes (para ello existen unos 60 miles de millones
de sinapsis de este tipo en la rata). Actualmente se cree
que las modificaciones en las sinapsis de conexión entre
las células granulares y las de Purkinje almacenan la
información adquirida durante el aprendizaje motor,
permitiendo la asociación entre una salida motora
correcta y una entrada particular.
Para todo ello, se estudiarán las ventajas e
inconvenientes de esquemas de computación basados en
pulsos para la integración y discriminación de señales.
En el área de control de robots este tipo de estructuras
puede tener importancia si se puede utilizar la dimensión
temporal de forma eficiente como recurso de
computación, ya que el objetivo es generar acciones
JCRA 2002
motoras correlacionadas en el tiempo entre ellas y con
las señales de entrada.
Dos son las líneas de investigación de este proyecto
relacionadas con el Hardware reconfigurable:
ƒ Implementación de modelos neuronales basados en
pulsos en plataformas de tipo FPGA. Estas
implementaciones servirán para posibilitar la
simulación de sistemas neuronales de grandes
dimensiones basados en pulsos.
ƒ Evaluar la posibilidad de implementación de
sistemas de control de robots basados en
computación por pulsos mediante circuitos
neuronales específicos.
B. CORTIVIS: Cortical Visual Neuroprosthesis for the
blind
El objetivo de este proyecto es el desarrollo de
prototipos en el campo de la rehabilitación visual. En
concreto se pretende estudiar la viabilidad de
neuroprótesis implantadas en el cortex visual primario
para lograr una visión, que aunque limitada, es de sumo
interés para personas ciegas. Los resultados de este
proyecto pretenden generar información sobre este tipo
de dispositivos no disponibles actualmente. Además, se
recogerá información sobre la plasticidad del sistema
nervioso visual de adultos, que será fundamental para el
desarrollo de dispositivos de rehabilitación visual y de
sistemas de entrenamiento.
Dentro de este contexto se pretende desarrollar una
plataforma de procesamiento visual en tiempo real que
genere una salida bio-compatible. Esto es, se pretende
que el sistema de procesamiento genere impulsos que
puedan estimular de forma eficiente el cortex visual.
Ello implica realizar investigaciones en distintos campos
con objeto de identificar la codificación óptima para este
tipo de dispositivos y el nivel de adaptación que se
puede esperar de pacientes implantados, es decir, el
nivel de plasticidad del cortex visual para la utilización
de esta nueva fuente sensorial. El sistema de
procesamiento, basado en hardware de tipo FPGA,
deberá emular el tracto visual desde la retina hasta el
cortex visual, teniendo en cuenta que el número de
conexiones final que es muy limitado comparado con las
que contiene el nervio óptico.
La facultad de reconfiguración es especialmente
relevante en este caso dado que cada paciente puede
requerir distintas especificaciones de codificación y
proyección de la información visual sobre los
microelectrodos de estimulación. Además estas
especificaciones deben de determinarse mediante
experimentación, ensayando distintas configuraciones
del hardware de procesamiento visual.
C. ECOVISION: Artificial Vision System based on early
cognitive cortical processing
Los dispositivos de visión artificial ideados por el
hombre están lejos de conseguir la eficiencia y exactitud
en el análisis de escenas visuales encontrada en animales
vertebrados. El objetivo de ECOVISION es utilizar el
II Jornadas sobre Computación Reconfigurable y Aplicaciones
conocimiento del modo de funcionamiento de sistemas
biológicos de visión para construir un sistema híbrido
hardware-software de visión con propiedades precognitivas. Los sistemas pre-cognitivos utilizan
conocimiento implícito del mundo. Para ello el
consorcio ECOVISION (formado por 7 miembros de 5
países incluyendo una empresa) con experiencia en
diseño de circuitos VLSI, visión artificial, neurociencia
y psicología pretende desarrollar una arquitectura de
procesamiento distribuida para análisis visual adaptativo
con capacidad de utilización de información precognitiva.
En concreto, el papel del hardware reconfigurable en
el área de visión artificial adquiere especial importancia
por su capacidad de poder procesar imágenes en tiempo
real. Por ello, en el campo de la implementación de
front-ends para sistemas de procesamiento de más alto
nivel constituye una de alternativa muy válida, capaz de
generar información pre-procesada. En el ámbito de
ECOVISION se pretende estudiar la implementación de
un sistema de extracción de flujo óptico (información de
movimiento) y de estereo (para la localización en el
espacio basado en discrepancias entre imágenes desde
distintas perspectivas). El proyecto tiene como campo de
aplicación primario el mundo automovilístico en donde
se prevé que la visión artificial constituirá una opción
válida en unos 10 años. Actualmente trabajamos
definiendo una aplicación de monitorización de
adelantamientos basada en un esquema de visión
artificial en tiempo real.
III CONCLUSIÓN
Los sistemas biológicos realizan muchas tareas de
procesamiento complejas con una eficiencia que aún no
está al alcance de sistemas artificiales. Por ello la
biología constituye un buen referente para implementar
sistemas que realicen tareas que los seres vivos
desarrollan de forma natural, como es el caso de la
visión, el aprendizaje de movimientos, coordinación
motora, etc. Los proyectos citados en esta comunicación
tratan de abordar numerosos retos a lograr por los
sistemas artificiales y que son inherentes a los sistemas
naturales, entre otros se encuentran el procesamiento
eficiente y en tiempo real de numerosas entradas
procedentes de múltiples sensores, procesamiento de
señales representadas mediante eventos asíncronos, e
integración temporal de información en escalas de
tiempo muy distintas, desde las propias de la dinámica
de las sinapsis y del cuerpo celular neuronal hasta las
asociadas con la adaptación o aprendizaje.
El hardware reconfigurable es una buena opción para
el prototipado e implementación de sistemas
neuromórficos, ya que con aquel se pueden definir
arquitecturas de gran complejidad e implementar
sistemas que requieran mecanismos de adaptación,
plasticidad y aprendizaje a medio-largo plazo; es decir,
cubren muchas de las necesidades de los sistemas
neuromórficos.
La aplicación del hardware reconfigurable al campo
de la visión artificial está cada vez más extendida, para
situaciones en las que el procesamiento en tiempo real es
91
necesario. En este sentido los proyectos ECOVISION y
CORTIVIS exploran las posibilidades de plataformas de
tipo FPGA para aplicaciones relacionadas con la visión
artificial. Por otro lado, la robótica es un campo en el
que también tiene sentido la utilización de chips FPGA
ya que el procesamiento en tiempo real es necesario para
estudiar en situaciones reales las interacciones entre el
robot y el medio (ciclo cerrado percepción-acción), y la
reconfiguración permite la adaptación a medios
cambiantes.
Por otra parte, la implementación de estructuras de
computación basadas en pulsos mediante tecnología
digital es un campo de investigación abierto [7-9]. La
eficiencia de este tipo de primitivas de computación para
ciertas tareas viene inspirada por los sistemas
biológicos. Estos esquemas serán estudiados en el
ámbito de los proyectos SpikeFORCE y CORTIVIS
.
IV AGRADECIMIENTOS
Los trabajos descritos se están desarrollando con
financiación de la Unión Europea obtenida a través de
los
proyectos
SpikeFORCE
(IST-2001-35271),
CORTIVIS (QLK6-CT-2001-00279) y ECOVISION
(IST-2001-32114).
IV REFERENCIAS
[1]
[2]
[3]
[4]
[5]
[6]
[7]
[8]
[9]
92
C.Mead, Neuromorphic Electronic Systems, Proceedings of
the IEEE, 78 (10), Oct. 1990.
A.Prieto, A.Andreou, Microelectronics for Bio-Inpired
Systems, Analog Integrated Circuits and Signal Processing, , 30
(2), pp.87-90, 2002.
Analog Integrated Circuits and Signal Processing, , 13 (1/2),
Número especial dedicado a Ingeniería Neuromórfica, p.5-222,
1997.
SpikeFORCE (http://www.spikeforce.org)
CORTIVIS (http://cortivis.umh.es/ )
ECOVISION (http://www.pspc.dibe.unige.it/ecovision/ )
F.J.Pelayo, E.Ros, X.Arreguit, A.Prieto, VLSI Implementation
of a Neural Model Using Spikes, Analog Integrated Circuits and
Signal Processing, , 13 (1/2), pp.87-90, 1997.
C.Wolff, G.Hartmann, U.Rückert, ParSpike – A Parallel
DSP-Accelerator for Dynamic Simulation of Large Spiking
Neural Networks, Proc. of the 7th International Conference on
Microlectronics for Neural, Fuzzy, and Bio-Inspired Systems
(MicroNeuro’99), pp. 324-331, IEEE Comp. Soc., 1999.
T.Schoenauer, S.Atasoy, N.Mehrtash, H.Klar, NeuroPipeChip: A Digital Neuro-Processor for Spiking Neural Networks,
IEEE Transactions on Neural Networks, 13 (1), pp. 205-213,
2002.
JCRA 2002